Resumen: Presentamos un enfoque avanzado para el análisis de revisión de aplicaciones móviles destinado a abordar las limitaciones inherentes a los sistemas tradicionales de clasificación de estrellas. Las calificaciones de las estrellas, aunque intuitivas y populares entre los usuarios, a menudo no logran capturar los comentarios matizados presentes en textos de revisión detallados. Las técnicas tradicionales de PNL, como métodos basados en léxicos y clasificadores de aprendizaje automático clásico, luchan por interpretar matices contextuales, terminología específica del dominio y características lingüísticas sutiles como el sarcasmo. Para superar estas limitaciones, proponemos un marco modular que aproveche los modelos de lenguaje grande (LLMS) mejorados por técnicas de solicitación estructuradas. Nuestro método cuantifica las discrepancias entre las calificaciones numéricas y el sentimiento textual, extrae información detallada, a nivel de funciones y admite la exploración interactiva de las revisiones a través de la respuesta de preguntas conversacionales acuáticas acuáticas (RAG-QA). Experimentos exhaustivos realizados en tres conjuntos de datos diversos (consciente de Google Play y Spotify) demuestran que nuestro enfoque impulsado por LLM supera significativamente los métodos de referencia, lo que produce una precisión mejorada, robustez y conocimientos procesables en escenarios de revisión desafiantes y ricos en contexto.
Publicado Originalme en export.arxiv.org El 25 de septiembre de 2025.
Ver Fuente Original
